使用某些編程語言進行機器學習是許多數據科學家和機器學習工程師之後的事情。這是在全球範圍內討論和遵循的最趨勢的話題。全世界的公司都投入大量資金，以在其係統中包括機器學習和AI的機制。對於每個人來說，這是一個巨大的成就，直到探索和研究的熱潮將佔上風，這個行業將繼續蓬勃發展。
最好從頭開始對任何機器學習模型進行編程，然後在現實世界中實現它，但是編寫這些算法的任務是一種非常乏味的，技術中心的任務是一個以編程語言幫助編寫算法的知識的先驗知識，只能編寫和實施它們。因此，對於來自非技術背景的人來說，很難立即學習這些語言然後開始編碼。
為了幫助非技術人員通過允許他們進行機器學習而無需編碼各種基於雲的服務提供拖放設施，並進行了一些調整以運行機器學習問題。這樣的基於雲的服務是Microsoft Azure機器學習。這是一種完整的拖放機器學習，您可以在其中運行模型，甚至可以在雲中或本地系統中將其部署為Web服務，並通過MS Excel訪問相同的模型。如果您有Microsoft帳戶，則可以輕鬆訪問Microsoft Azure ML功能。讓我們深入研究，學習如何開始Microsoft Azure機器學習：
如何在Microsoft Azure ML上創建機器學習項目或模型
步驟1：打開瀏覽器，然後輸入Studio.azuleml.net這將使您進入包含Azure ML的主要內容。此頁面將要求您登錄或創建一個新帳戶。如果您是現有的Microsoft用戶，並且擁有一個MS帳戶，則只需輸入您的登錄憑據和Hurray！您已成功登錄到ML工作室。
步驟2：登錄到您的ML帳戶後，您將看到不同的選項，例如項目，實驗，Web服務，數據集，訓練有素的模型和設置。這些選項的功能如下：
專案:這允許用戶創建一個可以包含各種實驗和模型的新項目，以及將它們一起製成一個完整的軟件包，並可以向公眾展示。
實驗：這是您將創建第一個實驗並部署與Web服務相同的主要領域，以使您的代碼可訪問全球的用戶。
網絡服務：此選項可以幫助我們將實驗部署為基於Web的API，然後可以通過各種編程語言調用，或者可以通過Excel在本地系統中調用。另外，您可以將您的Web服務保存到雲中，以使其成為用戶將訪問的公共API，甚至可以將您的作品出售給世界。
數據集：在這裡，人們可以從Microsoft團隊中找到許多預上計劃的數據集，並且可以使用它們來運行其機器學習算法以了解如何完成工作。
訓練有素的模型：在這裡，您可以查看您已經訓練的模型，並希望將其用於測試目的。
設定:“設置”選項卡包含不同的選項，例如編輯工作區，查看和再生授權令牌，允許用戶通過讓模型在同一模型上工作來操縱您的模型。
步驟3：要從您的第一個Azure ML項目開始，只需單擊“底部 +標誌”按鈕。這將帶您進入一個頁面，您將找到“開始新實驗”選項。只需單擊它，您的工作窗格就會打開。還有一項規定可以在Azure中上傳Python以及R項目，並通過單擊“模塊”選項卡相同並將其部署為Web服務。
步驟4：任務窗格打開後，您可以開始從事ML項目。
步驟5：為了啟動您的第一個ML項目，例如，您想執行邏輯回歸項目的第一件事，首先是通過雲或系統獲取數據集。 Azure ML的工作流機理如下：
獲取數據：在這裡，我們有3個選項手動獲取數據，也可以從外部數據源導入數據，或者解開zipped數據集，以幫助我們解開zip文件並將數據用於機器學習目的。
準備數據：這主要是我們清理數據以在同一功能上使用的功能工程部分。可用於準備數據的各種模塊包括清潔缺失的數據，應用SQL轉換，轉換為指示值，編輯元數據等等。還有一項規定將我們的數據集分為培訓和測試，以驗證我們的模型並在實際情況下使用它來做出預測。
功能選擇：這是訓練我們的模型之前的非常重要的一步，因為它使我們能夠根據目標功能之間的相關程度選擇我們希望算法可以使用的功能數量。此處包含的各種特徵選擇包括原理組件分析，Fisher線性判別分析，置換功能重要性和基於濾波器的特徵選擇。
選擇並應用學習算法：這是培訓我們的模型的主要步驟，它是選擇我們要使用的算法來培訓數據。存在的各種ML算法都像決策樹，邏輯回歸，線性回歸，一個與休息，幼稚的貝葉斯等。我們可以選擇我們的首選算法並開始使用相同的工作。
訓練並評估模型：該部分是任何ML模型的最後一部分，即訓練，測試和評分模型。存在一些模塊，我們只需要拖放並進行簡單的調整即可獲得良好的結果。
部署模型：培訓和評估完成後，我們現在可以在任務窗格底部的部署選項的幫助下將模型部署為基於Web的服務，並使用與API相同的。
在Azure ML中要注意的一件事是，它可以與將一個變量的輸出節點與其他變量的輸入節點連接起來的機制，因此用戶發現使用Azure ML可以很容易地工作，並且許多行業在日常應用程序中使用此基於雲的服務。它是監督和無監督的機器學習以及與深度學習相關的活動的非常強大的工具。有關其工作的更多詳細信息，您可以在YouTube和Udemy上瀏覽許多教程。有關Azure ML的好教程，您可以按照以下鏈接：
https://www.udemy.com/course/machine-learning-using-azureml/learn/lecture/7432530#overview
執行邏輯回歸
在這裡，我們在Azure ML的幫助下進行了邏輯回歸，並使用圖形表示形式描繪了相同的回歸：
結論
如果您是一個非常大的機器學習和深度學習愛好者，並且想從事與此相關的項目，那麼您應該使用Azure ML Studio，因為它不需要任何事先的編碼知識，並且使用的模塊剛剛使用拖放功能進行操作。
